专用集成电路 ASIC 是什么？为特定任务量身定制的芯片

专用集成电路（Application-Specific Integrated Circuit，ASIC）是一种为某一种特定用途而专门设计和制造的芯片。与能够运行各种程序的通用处理器不同，专用集成电路的电路是针对特定的任务量身定制的，一旦制造出来，它的功能就被固定在硅片上，通常只能做这一件事，但能把这件事做得极其高效。

与其他芯片的比较

中央处理器（CPU）是通用的，可以运行任何软件，非常灵活，但为了这种灵活性，它需要花费大量的电路和能量在取指令、解码、调度等通用的工作上，执行某个特定任务的效率并不高。图形处理器（GPU）拥有成千上万个计算核心，擅长大规模的并行计算，比 CPU 更适合图形渲染和神经网络运算，但它仍然是可编程的，保留了相当的通用性。现场可编程门阵列（FPGA）可以在出厂后通过编程改变内部的电路，介于通用和专用之间，灵活性好，但效率和规模不如专用集成电路。专用集成电路则是专用程度最高的一种：电路完全为一项任务而设计，去掉了一切不必要的部分，因此在同样的工艺下，它通常能达到最高的速度、最低的功耗和最小的面积。打个比方：CPU 像一位什么菜都会做的厨师，专用集成电路则像一台只会做饺子的全自动饺子机，做饺子又快又省，但做不了别的。

代价：贵、慢、改不了

专用集成电路的缺点也很明显。研发成本高：设计一款先进的专用芯片，需要庞大的工程团队花费一两年甚至更长的时间，用先进工艺制造的掩膜版和流片费用可能高达数千万乃至上亿美元。研发周期长：从设计到量产需要很长时间。缺乏灵活性：电路一旦制造出来就无法修改，如果算法发生了变化，或者设计中有错误，可能就要重新设计。因此，专用集成电路通常只适合那些需求量巨大、算法相对稳定的任务，这样高昂的研发成本才能被大量的出货摊薄。

常见的例子

专用集成电路其实无处不在：手机中的基带芯片负责通信，图像信号处理器负责拍照处理，视频编解码模块负责播放和录制视频；网络设备中的交换芯片；比特币等加密货币的矿机芯片，专门用来高速地计算哈希值，效率远远超过用 GPU 挖矿；以及各种家电、汽车中的控制芯片。

AI 专用芯片

随着人工智能的发展，为神经网络计算专门设计的专用芯片成为了一个重要的方向。神经网络的计算主要是大规模的矩阵乘法，计算模式相对固定，非常适合用专用电路来加速。谷歌在 2016 年公开了它自主研发的张量处理单元（TPU），最初用于加速数据中心中的神经网络推理，后来的版本也用于训练，AlphaGo 和谷歌的许多大模型都在 TPU 上运行。此外还有华为的昇腾系列、寒武纪的思元系列、亚马逊的 Trainium 和 Inferentia、Meta 的 MTIA 等。很多手机和电脑处理器中集成的神经网络处理单元（NPU），也属于这类专用电路模块，用于在设备本地高效地运行人脸识别、语音助手、图像处理等 AI 功能。AI 专用芯片面临的挑战在于：AI 算法发展得非常快，芯片设计却需要很长的时间，如何在专用的高效率与适应新算法的灵活性之间取得平衡，以及如何构建完善的软件生态，让开发者能够方便地使用这些芯片，是决定其成败的关键。